Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Pandas : comment utiliser read_csv avec l’argument usecols



Vous pouvez utiliser l’argument usecols dans la fonction read_csv() pour lire des colonnes spécifiques d’un fichier CSV dans un DataFrame pandas.

Il existe deux manières courantes d’utiliser cet argument :

Méthode 1 : utiliser usecols avec les noms de colonnes

df = pd.read_csv('my_data.csv', usecols=['this_column', 'that_column'])

Méthode 2 : utiliser usecols avec les positions de colonne

df = pd.read_csv('my_data.csv', usecols=[0, 2])

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le fichier CSV suivant appelé basketball_data.csv :

Exemple 1 : utiliser usecols avec des noms de colonnes

Nous pouvons utiliser le code suivant pour importer le fichier CSV et utiliser uniquement les colonnes appelées « équipe » et « rebonds » :

import pandas as pd

#import DataFrame and only use 'team' and 'rebounds' columns
df = pd.read_csv('basketball_data.csv', usecols=['team', 'rebounds'])

#view DataFrame
print(df)

   team  rebounds
0  A     10
1  B     9
2  C     6
3  D     2

Notez que seules les colonnes team et rebonds ont été importées puisqu’il s’agissait des noms des colonnes que nous avons spécifiés dans l’argument usecols .

Exemple 2 : utiliser usecols avec les positions de colonne

Nous pouvons utiliser le code suivant pour importer le fichier CSV et utiliser uniquement les colonnes aux positions d’index 0 et 2 :

import pandas as pd

#import DataFrame and only use columns in index positions 0 and 2
df = pd.read_csv('basketball_data.csv', usecols=[0, 2])

#view DataFrame
print(df)

   team  rebounds
0  A     10
1  B     9
2  C     6
3  D     2

Notez que seules les colonnes équipe et rebonds ont été importées puisqu’il s’agissait des colonnes aux positions d’index 0 et 2, qui sont les valeurs que nous avons spécifiées dans l’argument usecols .

Remarque : La première colonne du fichier CSV a une position d’index de 0.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes en Python :

Pandas : Comment ignorer des lignes lors de la lecture d’un fichier CSV
Pandas : Comment lire des fichiers Excel
Pandas : Comment exporter un DataFrame vers Excel

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *